Claude Code’un Üç Rakibini Test Ettim: İnternetin Konuştuğu Seçeneklerden Sadece Biri Hayal Kırıklığı Yarattı.

Her hafta yeni bir Reddit konusu ya da beslememde çıkan bir YouTube kısa videosu, Claude Code için fazla ödeme yaptığımı ve artık haftalık ile 5 saatlik kullanım sınırlarından kurtulma zamanının geldiğini söylüyor. Her seferinde, ya bir rakip ya da ücretsiz bir kodlama ajanının daha iyi iş çıkarabileceği iddia ediliyor ve neredeyse tüm bu konuşmalarda Codex, Antigravity ile OpenCode geçiyor.

Ekle

XDA

Google’da

Tercihli Kaynak Olarak Ekle

Google Discover’dan Takip Et

Bu tartışmaları dinlemeyi bırakıp üçüne de, normalde ikincie düşüncesiz Claude Code’a devredeceğim bir iş vermenin zamanının geldiğine karar verdim. Görev, neredeyse her iki haftada bir kullandığım, tamamen çevrimdışı çalışan, en hızlı koşuları işaretleyen ve herhangi iki koşu arasında performans farkını karşılaştırmama olanak tanıyan bir veri analiz aracını oluşturmaktyı. Testi nasıl yaptığımı ve ne bulduğumu işte şöyle:

Görev, veri analiz deneyimini kolaylaştırmaktı

Verilerimi düzenleyen ve tamamen çevrimdışı çalışan tek bir HTML dosyası

Bu belirli aracı oluşturmayı seçmemin nedenlerinden biri, iş akışımın her iki haftada bir analiz çalıştırıp kaydetmeyi içermesidir. Bunu manuel yapmak, bir elektronik tabloyu açıp başlığın adı için satır ve sütunları doldurmayı, seçtiğim özel ayarın ortalamasını, verilen her ayar için her oyunun en hızlı sonucunu ve herhangi iki koşu arasındaki yüzde farkını doldurmayı gerektirir.

Test ettiğim her araç, aracı oluşturmaya yönelik tek bir denemeyle, takip sorusu, rehberlik ya da basit yönlendirmeler olmadan, boş bir klasörde aynı istemi aldı. Codex ve Antigravity, ücretsiz sürümlerinin sunduğu en iyi modelleri, yani GPT-5.6 Terra ve Gemini 3.8 Flash’ı, ikisi de yüksek ayarda kullandı. Claude Code’ın ücretsiz sürümü yok, ancak tutarlılık için, Anthropic’in kullanıcılarına sohbet’te sunduğu Sonnet 5.5 modeli üzerinde, o da yüksek ayarda çalıştırdım. Öte yandan OpenCode, Qwen3.6-35B-A3B’yi RTX 4070 Ti Super’um üzerinde yerel olarak çalıştırdı.

Bu üçüne de şu istemi verdim:

Benim için tek bir HTML dosyası olarak, tarayıcımda çift tıklayarak açabileceğim bir performans ölçüm kaydedicisi oluştur. Hesap, sunucu veya internet bağlantısı gerektirmemeli; her şeyi doğrudan tarayıcıda kaydetmeli. Her çalıştırma için bir oyun adı, bir ayar örneği ve ortalama FPS girebilmeliyim. Çalıştırmalarımı bir listede göstermeli ve her oyun için en hızlı çalıştırmayı vurgulamalı. İki çalıştırma seçtiğimde yüzde farkını göstermeli; ilk seçtiğim çalıştırma temel (baseline) olarak alınmalı. Bir çalıştırmayı silebilmeliyim. Sayfayı yeniledikten sonra liste hâlâ duruyor olmalı.

Üretim tamamlandıktan sonra değerlendirmek için aşağıdaki kriterleri belirledim.

Kontrol	Ne test ettim
Çalıştırma ekleme	Oyun, örnek ve ortalama FPS kaydedilebiliyor mu?
En hızlı çalıştırma	Her oyun için en yüksek FPS değerine sahip çalıştırma vurgulanıyor mu?
Temel (baseline)	İlk tıklanan çalıştırma temel alınıyor mu?
Silme	Listeden bir çalıştırma kaldırılabiliyor mu?
Kaydetme	Sayfayı yeniledikten sonra tüm çalıştırmalar korunuyor mu?
Kendi kendini kontrol	Araç, teslimden önce kendi çalışmasını test etti mi?

OpenCode, tek bir sorunu olan sade ve temiz bir kaydedici oluşturdu

Her seferinde yanlış temeli seçti ve bunu değiştiriyor

OpenCode’un çalıştırması, özellikle bu yığını kendi donanımım üzerinde çalıştırdığım için geridekilerden biraz farklıydı. Qwen3.6-35B-A3B’yi UD-IQ4_XS ile çalıştırdı; 64K bağlam penceresi ve kodlama görevleri için Qwen’in önerdiği örnekleycilerle llama.cpp üzerinden RTX 4070 Ti Super’um üzerinde sunıldı.

Model yaklaşık 1 dakika 42 saniye düşündü ve altı kriterden dördünü geçen, sade, temiz ve tamamen çevrimdışı bir logger üretti, ancak temel karşılaştırma hesaplamasında hata yaptı. 120 FPS’lik çalıştırma seçeneğine ilk tıkladığımda, iki değerden düşük olanı (100 FPS) hâlâ temel olarak algıladı ve %16,7’lik düşüş yerine %20’lik artış bildirdi.

Sorunun kaynağı, modelin temeli liste üzerindeki konumuna göre seçmesiydi, tıklama seçimime göre değil. İlk hızlı testim bu hatayı tamamen atladı, çünkü yalnızca giriş ve tıklama sırasının belirli kombinasyonlarında ortaya çıkması, çıktıyı ve davranışı benim yaptığım gibi mikroskop altında incelemediyseniz sorunu teşhis etmeyi zorlaştırıyor.

Antigravity aşırı mühendislik yapmış, ama şikâyetim yok

Gemini 3.8 Flash en etkileyici arayüzü sunan oldu

Gemini 3.8 Flash’ın HTML aracı, kesinlikle izlenim bırakmaya yönelik tasarlanmış bir arayüzle geldi; etkileyici kullanıcı arayüzleri konusunda benim kadar hevesliyseniz, kazananı bu aşamada zaten belirlemiş olurdunuz. Daha da güzeli, işlevselliğin hiçbir açıdan eksik olmaması ve çıktının altı kontrolün tümünü ilk denemede geçmesiydi. Ancak model bu sefer devam etmeye karar verdi ve bitirmek için üç dakikayı aldı. Bir bağlam vermek gerekirse, 3.8 Flash’ın dosyası 1.976 satıra ulaşıyordu; diğer üçünün yaklaşık 400 satırlık ortalamasının neredeyse beş katı.

Logger, yazarken oyun isimlerini ve yaygın grafik ayarlarını öneriyor; arama, oyun filtreleri, sıralama ve bir istatistik çubuğu ekliyor, her karşılaştırmada kare sürelerini de dahil ediyor. Ayrıca temel değerini tek tıklamayla değiştiren bir “Rolleri Değiştir” düğmesi bulunuyor; bu da performans ölçümünü bilişsel yoruculuğu azaltan bir aktivite olmaktan çıkarıyor.

En dikkat çeken yön sürpriz bir şekilde ortaya çıktı. Ayrıca, teslim etmeden önce kendi çalışmalarını da kontrol etti; bunu daha sonra akıl yürütmeyi incelediğimde fark ettim. Dosyaya bir sözdizimi kontrolü ve bir dizi mantık testi çalıştırdı ki bu, Codex’in yaptğından daha fazlasıydı. Direnemediği şey ise, istenenden daha fazlasını yaparak dosyayı yazıp ayrıca bir kopyasını ayna sürüme aktarmasıydı; bu da bitirmesi için Claude Code veya Codex’e göre biraz daha uzun sürmesine neden oldu. Ücretsiz bir model için bu son derece etkileyici.

Codex, Claude Code’a en yakın olanıydı

GPT-5.6 Terra, fayda açısından en yakın eşleşmeydi

Codex, arka planda yüksek ayarlarda GPT-5.6 Terra çalıştırıyordu ve toplamda 2 dakika 42 saniyede üretimi tamamladı. Öte yandan Claude Code, 2 dakika 14 saniye aldı ve tüm altı kontrolü ilk denemede geçti. Yanıt, GPT’ye özgü bir biçimde, istemi için gerekeni tam olarak sunmuş ve başka hiçbir şey eklememişti.

HTML etiketleri taban çizgiyi oluşturuyor, sonucu bir cümle olarak açıklıyor ve tüm bu verileri çevrimdışı kaydediyor. GPT-5.6 Terra da dosyayı teslim etmeden önce bir sözdizimi kontrolü çalıştırdı. Claude Code önünde geride kaldığı yer ise derinlikti; çünkü Sonnet 5.5 sayfayı bir tarayıcıda test etti, Codex ise onu açmakla hiç uğraşmadı.

İki ücretsiz model Claude Code’a eşitlendi ve bu hoş bir sürpriz

Bu aylar içinde bu model testlerinden herhangi birini incelediyseniz, muhtemelen Claude’un kodlama yetenekleri söz konusu olduğunda taçı kesin olarak alacağını zaten öngörmüştünüz; zira amiral gemisi modelleri bugün çoğu özel ajan tabanlı kodlama testinde önde geliyor. Tek bir teste dayalı kesin bir karara varmaktan kaçınırdım, ancak son olarak, günlük kodlama işleri için ortalama bir kullanıcı söz konusu olduğunda, o boşluğun artık mecazi bir uçurum olmaktan çıkması gerektiği hissediliyor.